大数据化学有效性教学

① 大数据推动策略解读

大数据推动策略解读

近日，大数据国家战略有望提上议程的报道频频见诸报端。作为信息时代的一种新事物、新产业，大数据具有基础性、技术性、社会性、渗透性和复杂性等诸多特性，这提醒并告诫人们，大数据与普通人和企业的发展同样联系密切，它需要国家推动，但全社会的支撑更不可少。笔者认为，大数据战略的实施将极为依赖国民科学素养提高、数学教育革新发展和企业应用热情高涨等三大社会性支撑。

大数据时代正在来临，而它是一个格外要求国民科学素养具有整体较高水平与程度的时代。然而，中国的国民科学素养水平恰恰不高，田园牧歌、安于现状是对传统社会最好的图释，科技史上的“李约瑟之谜”是中国人科技素养缺乏的生动写照和先天烙印，而且一定程度影响至今。但如同俗话所说“缺什么补什么”一样，要想在大数据国际竞争中占据有利位置，就得下大力把我们所缺的国民科学素养补上去。一般来说，国民科学素养主要标志有三项：国民受教育程度、理解科学知识与方法的能力、专利发明数量。这些都不能成为面子工程，必须要实现真正的突破。

另一方面，大数据者，“数”为其核心，因而数学教育当仁不让地成为决定大数据发展状况的核心社会因素。反观我们的数学教育现状，重灌输轻思维、重知识轻方法、重理论轻应用，还相当普遍。因而，学生的数学成绩国际领先，但人们却没多少数学思维、方法和应用能力，很难把数学带入到实际工作中。而一些发达国家正好相反，学生的数学成绩并不好看，在数学思维和方法上却得心应手。如2013年诺贝尔化学奖得主就获益于把大数据信息化运用于化学研究之中。这就表明，数学不仅是一门知识或科学，还是一种思维、方法或者习惯，这是大数据所需要的境界，也是我们数学教育在走出填鸭式教学后要追求的境界。

大数据同时也是一种新兴产业，除了科技、教育界的参与，更需要企业成为其造血细胞。如果没有企业运用大数据的热情，前面的准备工作都将白费。只有让企业树立起大数据思维、运用大数据方法，乐于参与数据财富创造，在全社会形成大数据的时代潮流与风尚，才能造就大数据繁荣之基。

以上是小编为大家分享的关于大数据推动策略解读的相关内容，更多信息可以关注环球青藤分享更多干货

② “人工智能”，“大数据”+教育如何驱动教育的未来

近日，由论答公司主办的教育大数据研讨会在北京举行，讨论会主题为“大数据+教育，有哪些可能性？”。本次研讨会主要关注数据在教育领域的应用，具体包括自适应学习、学习数据分析和教育数据挖掘。来自宾夕法尼亚大学、人民大学、华中师范大学的专家和企业界代表，共同探讨了教育大数据和自适应学习领域的技术趋势和产业机会
Ryan Baker是国际教育数据挖掘协会（International Ecational Data Mining Society）的创始人、《教育数据挖掘》杂志（Journal Ecational Data Mining）主编，在各类期刊和会议发表了260余篇学术论文，先后主持了美国科学基金会（National Science Foundation）、盖茨基金会（Gates Foundation）等研究基金的多项重大项目，累计获得研究经费超过1600万美元。
他也在哥伦比亚大学教育学院和爱丁堡大学同时担任教职，他在Coursera和edX上开设的“Big Data in Ecation（教育大数据）”课程，有来自100多个国家和地区的学生注册。
研讨会现场，Ryan Baker通过远程视频，分享了他对教育大数据的体验和应用。据他介绍，目前在教育大数据领域主要有四大研究组织，分别研究人工智能与教育、教育数据挖掘、学习数据分析和大规模学习。
Ryan Baker表示，在教育领域广泛应用大数据的时代正在到来。教育数据挖掘有很多的应用方向，包括：预测学生是会辍学，还是会成功完成学业；自动检测学生的学习投入程度、情感、学习策略，以更好地达到个性化；给教师和其他相关人员提供更好的报告；教育科学的基础研究和发现。
他认为，个性化教育至少要做到三件事情：
1、确定学生的有关数据；
2、了解对于学生的学习来说什么是真正重要的；
3、有针对性地为学生提供合适的教学。
而通过教育数据挖掘，我们可以推断很多事情：
学生的元认知和求助。比如，这个学生有多自信？当他需要帮助时，有没有在寻求帮助？他有没有在给自己解释问题，有没有思考这个答案是正确的还是错误的？最重要的，当他面临挑战时，能否坚持下去？
没有投入学习的行为。比如，“玩弄”系统，为了找到正确的答案，有的学生会试各种不同的答案，从“1”试到“38”。粗心，本身会做，但是不用心，最后给出的答案是错的。有些孩子会做非常难以解释的行为，比如不用方程符号，而是画了一个笑脸。
学生情感。Baker的研究团队和其他研究团队，已经创造了研究模型，可以根据数据推断，学生是否感到厌倦、沮丧、困惑、好奇、兴奋、快乐，是否投入，等等。
长期的学习结果。比如，学生能够记住刚才他学的东西吗？学生准备好学习下一个主题、下一个知识没有？中学生能上大学吗？他会从大学毕业还是辍学？
Ryan Baker表示，要获得这样的推断，只需要学生与系统交互的数据，不需要学生戴上头盔检测器。目前，这些模型已经开始大规模应用于自适应学习，应用于几十万的美国学生。Ryan Baker列举了一些自适应学习系统的案例。
Knewton
通过系统决定学生下一个要学习的问题是什么，已在全球的多个领域多个学科中运用。
ALEKS-ALEKS
用的是先行知识结构和知识点模型，来选择最适合学生的学习材料。比如，一个学生在学习上出现了问题，系统能够检测出来，是以前学的知识点出了问题，然后让学生回到以前的知识点上去学习。ALEKS系统应用于美国高中、大学的数学、科学学科。
Cognitive Tutor
系统能自动检测学生的知识，直到学生掌握为止。比如，系统不会让学生学习下一步的知识，直到他展示出他已经学好了他现在正在学习的知识。系统能够给学校提供数据报告，学校根据报告能够更好地让学生投入到学习中去。每年大约被50万的美国初高中生用于数学学习。
论答
论答公司的系统与ALEKS的系统有些类似，也是用先行结构和知识点模型，选择合适的学习材料。同时也是自动检测学生的知识状态直到学生掌握为止。应用领域目前包括数学和英语，完全针对中国学生开发。
Reasoning Mind
用各种自动检测的模型来检测老师的教学是否有效。通过数据生成报告给每个地区的教学管理员，让他们找到方法帮助老师提高教学。主要是用于美国的小学数学。
Duolingo
自动检测学生记忆，来决定什么时候回顾已经学过的知识。在全世界范围内应用于外语词汇的学习。
其他的像Civitas，Course Signals，Zogotech都是地区供应商，运用风险预测模型提供行动信息预测。它们会对学生做出预测，可能学不好、会失败，把报告提供给老师。已在世界范围内的大学应用。
Ryan Baker指出，在这些系统中，有足够的证据证明，至少以下两个系统是非常好的。
1、胡祥恩教授在美国做了大量实证研究，证明ALEKS系统对于帮助学生学习是有效的。他的研究证明，ALEKS系统对于不同人群的学生是同样有效的；特别值得提出的是，ALEKS可以帮助少数人群群体提高学习成绩。
2、Ryan Baker本人领导的研究团队与论答公司合作的研究表明，学生通过论答系统学习，比通过传统的在线学习系统学习，效果更好。他们在中国3个不同的地区做的3次实证研究，都证明了论答系统的有效性。
Ryan Baker分析了教育大数据算法模型的潜在发展方向。他认为，这些模型的长期潜力是，通过学生的知识和学习模型来确认，学生什么时候需要更多的支持：
首先是“mastery learning”，学生在掌握一个知识前，不会让他去学习下一个知识。当学生需要支持的时候，自动介入；同时告诉老师和父母，这个学生什么时候需要支持。
通过学习投入程度模型判断，学生什么时候开始变得厌倦、沮丧了，并调整学习活动，让厌倦的学生不再厌倦，让沮丧的学生的学习变得更容易一些。
学习投入程度模型还可以检测，在线学习中，什么样的学习活动，能让学生更容易地投入进去，并最终发现，什么样的学习活动对学生更好、对什么样的学生更好。
这样的模型也能告诉老师和父母，学生什么时候开始变得不再投入学习了。
还可以运用学习模型确认，学生什么时候没有真正学会，需要更多支持。
最后，Ryan Baker指出，下一步的目标是优化之前已经验证的经验和方法，然后把它们运用到系统中，最终让中国和世界上的数十亿学生受益。
讨论：“因材施教”的千年理想该如何照进现实？
王枫博士，论答公司（Learnta Inc.）创始人兼CEO
胡飞芳博士，美国乔治华盛顿大学（George Washington University）统计学终身教授，中国人民大学统计与大数据研究院的教授
胡祥恩博士，美国孟菲斯大学（University of Memphis）心理系、计算机科学系、计算机工程系终身教授，华中师范大学心理学院院长
马镇筠博士，论答公司联合创始人兼首席数据科学家
辛涛博士，北京师范大学中国基础教育质量监测协同创新中心常务副主任、博士生导师，兼任国家督学、教育部基础教育课程教材专家工作委员会委员、中国教育学会学术委员会委员。
技术发展到今天，“因材施教”如何实现？
王枫：因材施教，我首先到的是，每位学生学习的内容都不一样。如果有新的技术或者系统，系统应该像一个好老师一样，不会头疼医头脚疼医脚。比如说，一元二次方程做错了，好老师不会简单说一元二次方程做错了，你继续再做十道一元二次方程的题目，这其实是很差的老师，他没有真正去全面评判学生，到底是哪些掌握好、哪些掌握不好。
一个好的老师可能会说，我全面地看了你整个学习，可能你的问题不是出在一元二次方程上面，老师看了你做的题目，一元一次方程没有掌握好、因式分解也没有掌握好，你继续做一元二次方程是浪费时间。这就是从系统角度来说，系统做到了根据每个学生最基础的先行知识点的结构，给你提供最适合你当前学习的知识点，题目也好、视频也好、还有其他各种各样的学习内容。
胡飞芳：因材施教是我们教育的理想状态。孔子很早提出因材施教，在他当时的历史环境里面，因材施教可能更多是个体性的，因为那时学生少、老师也少，因材施教相对比较容易做到。
随着历史的发展，我们有更多的人需要教育时，我们做的一件事情是什么呢？就是做了一个标准化。标准化做的是什么？课堂教育。课堂教育从某种意义上来讲是标准化。现在这个历史阶段，教育大数据可能真正要做到的就是因材施教，自适应学习本身想做的也是这个。
胡祥恩：因材施教事实上在学习理论里有两个：一个是outerloop“学什么”，一个是innerloop“怎么学”。用技术来细化因材施教是教育产业走向成熟的一个标志。但是这个路非常非常难，因为“怎么学”那个层次非常非常难。
马镇筠：“因材”代表认识到学生的个体化差异，“施教”指进行差异化教学，这是根本思想。但如果考虑到时代背景，孔夫子时代专注的是学生的职业发展方向，也就是说，把适合当政治家的培养成政治家，把适合当学者的培养成学者。现在再提因材施教，我们其实能做得更多、更精细化。
比如，“因材”，对“材”的分类不仅是职业方向，还会考虑到学生的学习状态、学习目标、潜在能力、兴趣偏好等。而且，传统意义上的因材施教考虑的是学生个体间的差异，没有重视学生本身状态是在发生变化的，学生在不断学习，状态甚至兴趣各方面都可能发生变化。
但这些是自适应学习能够做到，甚至比传统的因材施教做得更好的地方。再说到“施教”，现在我们能做的几件事，包括学习路径推荐，给不同的学生匹配他最合适的学习内容，这种非常精细化的层面，我们已经有了一定的技术积累。
怎么判断一个产品做到了真正的自适应？
马镇筠：大多数产品的学习过程可以分为测、学、练，可以从这三个环节去看这个产品做到什么程度。
测，各种学习机构都有测评。但是国内只有论答团队第一个做出来能够在几十道题内，精准判断你一百个知识点，哪21个没掌握，哪79个掌握了。市场上大部分竞品，只会告诉你，知识点掌握率或者分数，79分或者知识掌握率达到79%；或者一些其他维度的总结，比如逻辑思维能力比较强、阅读的磨炼技巧比较好、学习动力哪方面稀缺。他们做了降维，本来很复杂的学习状态这样说出来，相对比较容易实现。但如果要做到具体告诉你，哪些知识点掌握、哪些知识点没掌握，这个难度就高很多了。
关于学习路径推荐的话，很多题库类的软件，知识点学完之后，会给一些题目推荐，但真正实现路径推荐的很少很少。路径推荐也是很核心的，有20个知识点没掌握，先学哪个知识点，后学哪个知识点，学习顺序是非常关键的，必须遵循循序渐进的原则，哪些知识点是前提知识点，哪些知识点是后续知识点，随机给你知识点去学习的话不能起到最好效果。真正到了练或学的环节，推荐什么样的视频，先推视频还是先推文字讲义，推简单题、中等难度题还是复杂题目，都需要根据学生实际情况来决定。
刚才只是举了几个例子，具体涉及到背后的算法、整个系统跟学习内容的结合以及整个教学流程的实现，中间很多环节必须要打通，形成一个闭环，才能对最终的结果负责。
辛涛：我的研究领域是教育和心理学的测量和评价。我个人的学术观察，基本上在现代这领域是两个类型。一个是心理测量领域，有一套成熟的方法，包括早期的IRT（Item Response Theory）和现在的ADT。另外一个是人工智能检测。心理测量系统，是一小群人在做；人工智能化是大的方向，现在是显学，给大家提供了明显的可能性。重要的是，那些背后的算法，能够在企业里真正实现出来。现在可能很多算法已经在那儿了，大体上路径是通的。
自适应学习基本上是把学习和评价联动起来了。因为，要自适应学习，必须有一个系统随时看到学生学到什么程度，这个完全是评价。但是，评价完了之后有一个新的呈现。这一块现在已经有一些很成熟的一些东西了，但不是一时半时可以说得特别具体的。
我做教育的测量和心理测量，人工智能那块我不熟。但是，从教育测量角度来说，在自适应学习和新技术结合之前，很大一块还是自适应考试，CAT（computer adaptive test）。系列化产生一个CAT变成了一个自适应学习的过程。总的来说，使用最简单、最机械化的方法，连续的CAT实际上是可以破解一个学习过程的。
测评本身经历了好几个阶段，通常用三个应用介词表示。
accessment to learning and teaching；
现在国家倡导的，accessment for learning and teaching，测评要对学习和教学有帮助；
跟信息化结合，accessment as learning and teaching，它是学习提供的完全融合的一个环节。
王枫：什么样的自适应学习系统才是真正的高级自适应学习系统？在中国的落地到底是怎么样才能真正落地？我在马博士的基础上想补充一点。
自适应系统如果一定要分级，也可以简单分一下。一种最基础的系统是基于规则的，比如说埋点。一个学生做10道一元二次方程题目，我预先埋好了，你做错了，立马给你推五道一元一次方程题目、五道因式分解题目。这个是埋点埋好了，这是规则，预先由老师或公式设置好了。
但这个规则有用性是非常有限的，因为每个学生不一样，A学生是因为一元一次方程不会，B学生可能是因式分解不会，C学生可能连小学的乘法快速运算都不会，这个没法预先直接埋点准备好。
所以自适应系统真正到了更高级一点的话，一定是真正通过大数据、根据算法模型来分析学生的学习数据，匹配下一步应该学什么。
在中国，自适应学习有效应用于教学有三个前提条件。做到这三点，自适应学习在中国的教育里面前途无限。
好的产品。必须要有针对中国本土化的自适应学习产品，把它开发出来。像ALEKS系统的确算法不错，但里面连一套国内的高考题都没有，家长不会让小孩子用这样的系统，因为直接影响应试目标。真正本土化开发的话，没有一成不变的算法，世界上最好算法就是没有开发出来的。教育非常复杂，每个学科不一样。比如数学后台有强大的关系，先行后续关系；英语没达到数学这么强的相关性，但算法是一样可以应用的。
好的学生、家长、老师。有了好的产品，首先学生应该真正投入进去学习。像Ryan Baker教授讲的，学生如果随便学一下，再好的系统也没用。第二，家长得督促孩子学习。第三，老师非常重要。老师应该做有价值的事情，比如给学生做个性化的辅导答疑，给学生针对性的讲解，组织学习活动小组，鼓励学生发挥创造能力，领导能力的培养。
学校以点带面。学生大部分时间都在学校里面学习。如果学校里最基本的、有效的在线教学产品都不应用的话，其实是有问题的。但是改变绝对不是简单的行政命令可以解决的。一个好的产品，一定是从点到面，逐步推广。自适应学习，更适合有明确目的的学习，像应试教育这块可以做得更好。所以学校可以应用进去。
胡祥恩：我觉得大家做自适应也好、因材施教也好，比较好的例子大家可以看一看。教育这个领域有多大，自适应概念就该有多宽。所以说，实验室里面有很多小的做得非常非常好的东西，只是没有到市场上面去，有很多非常非常巧妙的算法、一些东西。你会发现很多欧洲的、美国的实验室做的system，我每次看了都有种，自己是坐井观天的感觉。
怎么看待人工智能在教育中的应用？
胡飞芳：AlphaGo跟master，谷歌做了一个非常好的广告，人工智能在某些方面可以做得非常好。但是，我现在给你们讲另外一个谷歌自己不会去说的例子，但这也是事实。2008年、2009年的时候，谷歌推出一个免费产品，用各种搜集到的数据，预测美国的流感发展趋势。开始时很成功，预测跟实际发生的情况很相似。但到2015年，他自动撤回去了，不再提供预测。因为在2012跟2013年预测的时候，预测结果跟实际情况相差非常远。
这说明像这种不确定性的问题，人工智能还有非常大的局限性。一旦有不确定的数据，就有噪音。数据量很大时，大数据可能产生大噪音。怎样使噪音下降？2015年一个哈佛教授的研究团队在谷歌的基础上，用谷歌的数据去做同样的预测。他用了什么呢？就是用了模型，实际上模型在很多时候降噪是很有用的，用模型去预测，而不完全是人工智能的方式去预测。结果，他做出来的预测基本都比较准。
人工智能相对比较成功的，是比较确定的问题，所谓的确定是不管有多少种可能性，还是一个确定的东西。而流感很多时候是完全不确定的因素。
教育其实很多时候也是不确定的。同样一个人，现在让他回答这个问题，他可能思路清楚地回答出来；过了一个小时后，即使是同样类型的问题，按道理他应该回答出来，结果他回答不出来。这是说，实际上有很多因素在干扰的时候，人工智能的功能是不是会减少一点。把模型跟人工智能加在一起，会弥补人工智能在某些方面的弱点，这样会更好。
怎样促进商界和学界的交流，更好地把学界已经有的一些成果，运用到市场上来？
胡祥恩：教育产业应该是一个最大的产业，教育产业事实上是一个知识产业链。到目前为止，很多人认为自己要做一整套系统而在美国汽车业，最赚钱的是供应商，是做轮胎、做玻璃的。一旦标准化之后，一个人如果螺丝钉生产得最好，他就能够养活几家人、几代人。
到目前为止，美国推的就是教育标准化，教育内容的标准化、教育技术的标准化。比如说97年的时候，就说怎么样把内容标准化，你做的东西我可以用。我只是做整个教育知识产业链里面一个小块，做得很好。教育整个的产业链，有可能发挥特别特别技巧的那些小的公司，就能够在这个产业链里面生存、可以做得很好。第一个是要标准化，第二个要理解整个教育是一个产业链。

③ 大数据时代下高中数学教学探讨论文

大数据时代下高中数学教学探讨论文

摘要: 大数据时代的到来，为人们的生产生活带来了极大的便利，也为教育教学的创新以及发展带来很大的影响。因此，在大数据时代下，要分析大数据的相关概念，然后对大数据时代下的历枣高中数学教学方式的创新以及应用进行研究，以此来提高高中数学教学的有效性。

关键词: 大数据时代;高中数学;教学方式

信息技术的发展促使了大数据时代的到来，不仅增加了知识获取的途径，也改变了传统的学科教学方式，对促进高中数学教学改革的推进具有重要影响。因此，在大数据时代下，高中数学教师要利用大数据的技术优势，对现存的教学模式进行改革，突出数学教学的时代性，使学生在数学学习中既能够获得相应的知识，还能够树立正确的价值观念，促进高中生数学综合素养的形成，从而促进高中数学学科的健康发展。下面本文将对其进行详细论述。

1大数据相关概念

第一，大数据概念。数据是知识的来源，也是信息的一种记载方式。随着社会的发展和科学的进步，数据数量不断增多，对数据进行记录、测量以及分析的范围也就不断扩大，这标志着人类已经获得越来越多的知识和信息。大数据可以从宏观和微观两个角度去理解，多数学者都是从宏观上对大数据概念进行定义的，即用新的处理模式提高数据出来的执行力，洞察能力以及海量信息的优化能力。大数据具有数据信息量大、种类多种多样、真实性以及实效性强等特点。

第二，大数据分析概念。大数据分析简单来说就是要对大规模的数据进行科学分析，而对这些庞大的数据资源进行分析最根本的目的就是要发现和总结出这些数据中存在的规律以及模式，然后再利用数据的动态性特征去预测事物的未来发展趋势。

2大数据时代下高中数学教学方式的应用

2.1利用大数据转变教师的教学角色

第一，应用大数据技术为教师教学模式的创新提供了机会。大数据时代的到来，传统的教学方法弊端逐渐显现，不仅体现出了与现代社会的不适应，也影响了学生学习积极性的提高。因此，在大数据时代，教师要利用大数据技术开展例如合作链烂液探究、个性化教学等多样化的教学方式，丰富课堂教学形式和内容，使学生不再死板地接受学习内容，而教师也能够根据学生的不同阶段开展针对性的.教学活动。教师教学角色和教学模式的转变，强调了学生在课堂中的主体地位，对活跃课堂气氛，提升课堂教学的有效性具有重要作用。例如：在学习“集合”这节课时，教师就可以采用合作探究的教学方式。首先，结合学生的差异性，将学生分成不同的小组，然后设计不同的问题组织学生进行探究，如：①用什么对集合进行表示？可以用一个元素表示集合吗？集合与元素之间有什么关系呢？②集合都有棚物哪些特征呢，结合具体题目进行判断。之后，小组之间对研究结果进行互相交流。再后教师设计突出本节课重点的习题，给学生锻炼的机会。通过这样的教学方式，不同的学生组织到一起集思广益，互相帮助，不仅有利于促进学生思维的发散，还转变了教师的教学角色，提升了课堂学习效率。

第二，应用大数据技术对学生的学习情况进行深入了解。在传统的课堂教学形式下，教师过于侧重学生学习成绩的提升，忽视对学生的了解，导致教学针对性不强，影响教学效果。通常情况下，教师对学生了解是通过考试以及随堂测试的形式进行侧面分析，但这种分析得出的结果并不准确。但在大数据时代，利用大数据技术教师能够对学生的真实情况进行挖掘，然后根据学生之间的个性差异，对学生进行充分的了解，同时教师利用网络技术能够对学生的兴趣点和薄弱点进行准确判断，从而使自己的教学活动与学生的学习需求相吻合，突出数学教学的针对性。

2.2利用大数据发挥学生的主体作用

第一，应用大数据提升学生的学习兴趣。在以往的教学方式下，学生是知识的接受者，部分教师为了提高教学效率甚至一味地向学生进行知识传输，殊不知这种填鸭式的教学方式，不仅无法激发学生的学习兴趣，还会造成学生的抵触情绪，对学习产生厌烦心理，进而影响数学学科教学效率的提升。因此，在大数据时代下，要充分发挥大数据的优势，利用大数据技术去激发学生的学习兴趣，丰富数学课堂的内容，使学生产生主动求知的欲望，能够积极主动地参与到教师组织的教学活动中来。大数据技术的具体应用可以从以下几个方面进行。首先，教师可以利用计算机平台设计预习内容，然后学生能够通过计算机平台自己完成教师布置的习题，教师之后可以借助大数据进行数据分析，这样教师在授课之前就能够找到学生学习的弱点以及难懂点。例如，教师可以利用大数据对学生在“函数”知识中存在的问题进行分析，然后了解到学生易错点和薄弱的地方，之后据此设计相应的课程教案。这样在课堂上学生就能够根据教师针对性的教学设计进行学习，以此来提升课堂教学的有效性。

第二，应用大数据提升学生的学习自主性。学科教学最关键的就是要提高学生的学习积极性，所以在高中数学教学中教师要注重学生自主性的提升。在高中数学教学中，课后知识巩固与习题练习是提高学生学习成绩的重要组成部分，但以往学生通常都是靠手抄错题的形式进行习题纠错和解答的，这种方式取得的效果并不显著，一是浪费了较多的学习时间，二是形式枯燥，学生学习自主性不高，在整理之后查漏补缺效果也不好。所以在此环节可以应用大数据技术为学生的课后自主学习提供平台。在大数据技术的支持下，教师可以将学生之前做好的试卷或者解答过程的问题输入到计算机系统当中，之后学生通过网络进行问题的下载和解答，以便于学生对问题进行查漏补缺。这种方式相比于传统的纠错形式，具有实时性的特征，有利于学生对纠错内容进行更好的掌握。

第三，应用大数据开展分层式的教学形式。目前我国多数高中数学课堂教学采取的都是班级统一上课的教学形式，模式单一固定，缺乏创新性，不仅不利于激发学生的学习积极性，还会影响学生的个性发挥，进而影响学生的潜能的挖掘。“因材施教”是孔子提出的教学思想，所以在大数据环境下，教师要利用大数据技术采取分层式教学的方式，结合每个学生的差异性，开展不同类型的教学活动。每个学生都是独立存在的个体，在思想、能力以及身心发展上都具有差异性，所以针对不同学生的不同特性开展分层教学活动，不仅能够满足学生层次化的学习需求，还能够有效地激发学生的学习兴趣。同时，教师在数学教学中尝试不同的教学方法，应用创新型的教学模式，也能够很好地活跃课堂氛围，调动学生的课堂参与度，从而达到提升学生学习效果的目的。

2.3利用大数据拓宽学生获取知识的途径

大数据时代下，数据量和知识信息不断扩大，学生能够接触和学习到的内容也不断增多，所以教师要利用网络信息技术，在网络上搜集和整理更多的学习资料和信息，然后结合具体的教学目标和学习内容进行这些信息的分析和处理，以此来提高教师的教学效果。而在大数据环境下，学生也能够利用网络技术自行进行数学资源的获取，不断丰富自身的学习的内容，对抽象的数学知识进行简化。另外，在大数据环境下，教师要为学生提供真实、可靠的数据教学服务，引导学生养成善于开发和应用数据的意识和能力，能够根据自身的需要进行数据的获取，这也能够为教师教学互动的开展提供针对性，促进师生间的共同进步。例如：在学习“数列”这节课时，教师可以在课前引导学生利用网络自己进行课前的预习，对数列这节课的知识有个简单的认识，并能够对基本的知识点以及概念进行理解。之后，在课堂上教师可以利用多媒体技术开展具体的教学活动，将教学知识点直观、形象地展现在学生的面前，在课程结束之后，教师组织学生对自己设计的随堂测试问题进行解答，然后对错题进行整理。这种一系列的教学活动，能够提高学生大数据技术的利用与开发能力，对拓宽学生的知识获取途径，提高学生的学习效率具有关键作用。

2.4利用大数据为家长提供教育平台

家庭在学生教育中具有非常重要的作用，家庭是学生的第一所学校，但以往的高中数学教学对家庭教育并不重视，家长没有广泛地参与到学校教育中去，而学校也没有为家长提供更多学习教育的机会，除了每次家长会之外，教师其他时间很少能见到家长，也就很少能参与学生的学习。但大数据时代，网络技术的应用为家长与学校教育的沟通提供了很宽广的平台，家长可以通过固定的软件进行账号的绑定，然后随时对自己家孩子的上课以及课后情况进行了解，进而更好地了解学生近期的表现情况。同时，家长也可以利用这些软件与教师进行交流，对学生的学习和生活情况进行了解，与教师进行充分的沟通和互动。使家长能够更好地配合学校的教育活动，在提高学生数学学习效果的同时，促进学生的健康成长。

3结语

综上所述，大数据时代下数据数量不断增多，网络技术的应用越发广泛，在此种环境下开展高中数学教学活动，不仅有利于创新教师的教学思想和教学方式，也有利于激发学生的学习兴趣，提高学生对数学学科的学习热情，从而达到大数据促进学科教学效果提升的目的。高中数学是一门综合性学科，能够培养学生的逻辑思维和推理能力，同时数学也是一门与人们日常生活密切相关的一门学科。所以在大数据时代，教师要利用好大数据信息，发挥好信息技术在教学中的优势，不断改善自身的教学角色，突出学生的主体地位，拓宽学生获取知识的途径，加强家长与学校的沟通等，使学生在大数据环境下能够养成乐于学习的好习惯和科学的学习方法，推动高中数学教学效果的有效提升，促进学生身心健康成长。

参考文献

[1]孟越飞.大数据背景下的高中数学教学[J].中小学电教(下半月),2018(1):22.

④ 大数据时代校本教研转型策略及路径

大数据时代校本教研转型策略及路径

基于云、物联网、数据库技术以及人工智能和虚拟现实在教育中的广泛渗透，大数据时代正催生着一场场新的教育变革。现有的教研机制如何适应大数据主导的未来?基于大数据的运用如何创新校本教研思路和策略?如何依托大数据平台探寻到最佳的校本教研转型路径?这正是本文试图回答的问题。
一、大数据缺乏的传统教研局限性
我们生活在一个被几何级爆炸的数据包围的时代，我们的一切行为都在产生海量的数据，这些数据被称作“大数据”。[1]2大数据之“大”，并不仅在于“容量之大”，更大的意义在于可以借助云技术等手段，通过海量数据的筛选、整合和分析，解决新的问题，创造新的价值。大数据时代，传统校本教研形态已经滞后于时代的发展。
第一，以行政命令型为主的教研管理已不能适应教研发展的新趋势。传统的校本教研活动因其行政主导过多、任务驱动过强、互动生成较少、过程数据欠缺等，其教研形态存在着单一性、封闭性、滞后性与静态化的特点。教研活动更多执行的是“规定性动作”，大多数学校都是循着“期初学校安排教研计划—教研组按计划布置落实—分阶段组织教学展示或研讨—期末各部门进行教研总结”这样的模式进行。[2]在这样“齐步走”的统一步调中，教研的目光很难细致地聚焦到课堂真实疑难问题的研究上，研讨活动更少触及普遍学科规律探寻的应有深度。校本教研缺乏实实在在的研究历程，案例追踪缺少过程性资料的佐证。没有过程，缺乏实践数据的支撑，教研的有效性大打折扣，教研视野也很难有效拓宽。这种形态的教研活动，聚合性、开放性、创新性与动态性都明显不足，形式化、低效化特征突出。
第二，以经验帮带型为主的教研方式已不能适应教研发展的新态势。现如今，绝大部分学校对于大数据的认识和研究尚处于起步阶段，对于大数据在教育领域的探索和实践才刚刚开始。对于如何真正地将大数据应用于教研，反馈于教育，普遍缺乏深度的认识和操作的策略。究其原因，一方面是因为传统教研“自下而上的主题确认意识”缺乏，加上空间、时间以及技术设备的约束，教研内容无法直接唤起教师教研的内在需求，无法直接对其课堂产生辐射与效益，因此难以吸引教师深度参与。另一方面，面对新时期急剧变化的教研态势，更多的学校没有主动与时代对接，无法前瞻性地为教师提供思维自由碰撞的教研平台(比如活动前后讨论平台的提供)，无法适时、足量地为其提供教育科研所需要的数据支持与技术便利，教师教研的多元合作与深度拓展缺乏足够的凝聚与吸引。这样的教研必然无法在大数据时代展现应有的价值与活力。
二、大数据时代校本教研的转型策略
面对海量信息呼啸而来的大数据时代，面对以“移动互联和平板触控技术”为核心的云计算、云存储、云教育、云课堂、云教研叠加出现的全新教育态势，中小学校该如何应对这种前所未有的教育变革?有哪些好的教研策略与应用范式呢?
(一)核心视角转型：由关注“教”转向聚焦“学”
“师本”还是“生本”一度成为教研热议的话题。以“谁”为本体现的是一种教学观念的更新，更展现的是一种教学行动的选择。传统的教学教研当中，学生主体的评价往往是最单薄的——听课者大多只能根据经验来假想学生的体验，这种隔靴搔痒式的评价弊端，源于一个重要因素的缺席——没有足够的数据源可提供学情分析与实证考据。
大数据时代的到来，恰恰能够对这种缺失作出有效转化。借助视频传输、数据收集、点对点终端、云存储服务器和个性化的数据分析软件等，能够从技术层面解决数据源缺乏的问题，对数据的全面处理和分析，可以让学生个体化的感受得以精准的量化与显现。学生在教学活动进程中的现实需求与即时心态，也可以经过技术的转化和动态整合分析变得可读、可视、可量化。这就为教研视角由关注“教”转向关注“学”提供了强大的技术支持与解读保障，为学情的研究与预判提供了更为鲜活的素材。我们甚至还可以利用流媒体视频和数据分析等手段，帮助教师跟踪学生的即时学习情况，从而根据他们的能力等级水平制订相应的教学计划并调整策略方案，更好地开展有针对性的个性化学习研究。
借助大数据的运用，课堂有了一个全新的观察视角，教学研讨有了一个全新的视点，站在学生学情分析与预判的角度去改变教师的教学行为已经成为可能。当技术能够帮助我们了解每个学生的需求之后，绵延了两千多年的“因材施教”思想，是否离我们更近一些?
(二)常态方法转型：由经验重复转向数据实证
传统的校本教研往往是经验式的。我们总是主观地揣定某些教育因素对学生很重要，哪些变量对课堂有影响，然后，再依据自己的判定，通过一次次反复的实践来验证这些主观经验的可靠性。这种以经验为主导的传统教研往往存在着主观化、臆测式、灵感型的缺陷，常常容易出现“问题不够‘草根’、目标比较宽泛、实证相对缺乏”等状况。研究后与研究前相比，对问题的认识高度与解决程度并没有质的提升。究其原因，是研究之前没有深入的问题质疑和数据调查，研究中缺乏足够的数据比对和逻辑分析，研究后少了细致的演绎分析及实践认证。
大数据时代的来临，为有效解决经验重复型教研的痼疾找到了凭借和方向。依据实验数据的收集、整理和分析所得，能有效确立教研主题，让研究直指现实问题的解决；依托“云教研、云管理”平台，过去无法收集与分析的数据都被新的技术手段赋予了获取的可能，为有效展开问题的探究与课题的论证提供了技术保障。这种依托数据实证的教研更加具有科学性、逻辑性和说服力。正如魏忠博士在《教育正悄悄发生一场革命》一书中所说：“教育将继经济学之后，不再是一个靠理念和经验传承的社会科学和道德良心的学科，大数据时代的教育，将变成一门实实在在的实证科学。”[1]3明确的目标监控、海量的数据支撑、清晰的过程性案例资料，强大的数据分析与论证，配以与之紧密融合的教与研创新平台，让教研更加充满创新与活力。
(三)实践模式转型：从零散问题研究转向系列项目研究
“指令式”、任务驱动式教研在我国中小学普遍存在，其被动接受式的研究心态、直指结论的研究方式、以分散点状活动替代系列研究实践的研讨模式，让校本教研难以贴地而行，最终导致教研成果的可信度、可推广度不高。新时期的教研必须从形式化、表层化、零散状的教研形态中转变出来，向主题化、系列化、课题化、项目化教研转型，这也是由大数据时代的教育和研究特点所决定的。
大数据时代，由于教学平台、教研平台、管理平台已经有效对接，各个层面、各个系列的数据已经可以共享到大教育的“云平台”，大数据技术将较娴熟地运用于课堂和教研的方方面面。无论是自上而下的数据调用，还是自下而上的数据收集，都已经或者能够成为中小学教育教研的常态。技术手段的创新与变革，为教育大数据的储存、整合、分析创造了条件。“苏醒的数据能够说话”，尤其是当研究者开始自觉地、有意识地将数据采集、转化和运用，当作一种大数据时代系列性、周期性、可比对性的常态研究去做，这种经过甄别、筛选的数据，将成为主题教研、项目研究的最强有力的实证，也必将给那些原本因为技术或条件限制无法便利地获取研究数据而苦恼的教师们带来教研思路的突变，并将最终实现校本教研的实践模式由零散问题研究向系列项目研究转型。
三、大数据时代校本教研的转型路径
(一)“云课堂”研究：技术与数据更好地服务于“学”
新技术就在身边，你用与不用，它都在那里。苏州工业园区星海小学让“ipad进课堂”，以数字技术带动教学教研，为我们提供了研究大数据运用的全新视角。2014年，该校开启了以移动网络为平台、ipad为终端的实验教学，通过新技术的应用，构建了以生为本的“云课堂”，在很大程度上改变了传统“教”与“学”的方式。云课堂技术支撑的核心是“云计算”。它是一种计算方式，通过大量网络连接的统一管理和调度，将大量信息和资源按需向用户提供服务。这种全息服务的网络就叫作“云”。“云”就像一个专业的“信息提款机”，其强大的信息技术和极为丰富的立体数据资源，为学生的学、教师的教、团队的研搭建了多维互动的“云平台”。[3]
该校基于大数据时代教研方式转变的研判，并在充分调查、论证和研发的基础上，为师生数字化的学与研搭建了一整套自主的云存储服务器，每个ipad上都安装了用于云存储和分享的“网盘精灵”，学生和教师都能在其中建立一个单独的存储空间，每位教师制作的课件、收集的实验数据等，都能在第一时间上传到服务器，全校师生都能在第一时间下载所需资源。各科老师还能借助无线平台和应用软件，协同开展数据上传下载、数据存储与分析的尝试与研究，许多或大或小的教研探究活动都在强大的数据平台支持下进行，网络教研让更多的教师提升了教研的动力。比如，英语学科将ipad接入课堂后，学生可以在家里录制自己朗读和吟唱的视频，上传到“网盘精灵”，为教师即时了解学生学习状态和学习成效，提供了第一手的研究和分析资料。鲜活的数据让教学的跟踪与预判成为常态。[4]
再比如，亚洲教育网自主研发的“三网智慧泛教育云平台”，就是一种“三网融合、泛在学习”的公共智慧云，它利用云计算、物联网和虚拟化等新技术来升级校园网、城域网，其创建的“教育云+互动电视+电子书包”新模式开启了教育信息化新纪元，为全方位、大范围地实现多校、多地教育资源共享、教育成果分享、教学研的互动打下了基础。[5]10-11
(二)“实证研究”：加强数据论证，探寻“普适”规律
近些年，依托于数据实证的教研探索已然展开，微格教研、片段教研、主题教研等应运而生。这些教研模式大多采用的是“实证研究”的方式。它们都是通过对研究对象大量的观察、实验和调查，获取客观数据，从个别到一般，归纳出事物的本质属性和发展规律的一类研究方法。这些教研模式以问题研究为基础，以教学案例为载体，以数据分析为根据，对教学教研工作进行了微格化、片段化、前置化和主题实践性论证，依托数据探寻规律，教研成果更加清晰、显性、有效。
近几年，上海静安区开始在7所幼儿园和9所小学试点实施“社会性与情绪能力养成”实践项目研究。经过近百名教师长达四年多的摸索和改进，如今，静安区小学阶段的“社会性与情绪能力养成”课程正逐步走向成熟，其研究方法之一就是“实证研究”。他们以“社会性情绪”项目为主题，探索出依靠“数据终端”去记录每一个学生、每一堂课、每一个环节表现的数据收集方法。例如，在一节拥有六个环节的课堂上，大部分时间内学生的节奏都是紧密跟随教师，但是在某个环节，大多数学生停留的时间远远超过了教师。这就提醒我们，这个环节需要着重研究，需要调整，也许这个部分的内容非常吸引学生，也有可能这部分内容难度较高，他们需要更多的时间来阅读与消化。这种借助大数据进行教研探索的方法也适合于我们在课堂中更有效地去捕捉学生点滴行为的微观研究。可以这样说，大数据时代的到来，让跟踪每一个数据成为可能，从而让研究“人性”成为可能。而对于教育研究者来说，我们将比任何时候都更接近发现真正的学生。
(三)“项目研究”：用证据支撑评价，用项目推进教研
2014年，苏州市教育局设立了“义务教育质量综合评价改革”等五大教改项目，从全市范围遴选了50所特色鲜明的学校组建项目学校共同体，推进项目研究的实施。在研究过程中，各项目学校有效地借助云计算、物联网和虚拟化等新技术来升级校园网，努力将云技术与物联网进行高度融合，对全方位、个性化的过程数据和研究资源的上传、存储、整合与分析进行了必要的硬件配置和软件开发，然后在严格的过程管理中依托平台、依托案例、依托数据开展系列主题研究和项目实践论证。目前，项目研究进展顺利，也取得了可喜的成果。以苏州工业园区星海小学为例，学校以“十佳”取代“三好”，推出了“十佳星海娃”多元评价体系，率先开启了苏州市“义务教育质量综合评价改革”的实践与研究。项目研究中，全面的资源和个性化的数据收集与分析是项目推进的基础，研究的进程中共享研究资源、分享教育成果，使研究者与被研究者实现有效互动是研究成功的关键。为有效地整合资源，显化数据，苏州工业园区星海小学推出了“星海娃”自主申报、“四叶草”积点奖章、金点子征集、小公民系列招募等个性化实践案例，拓宽了评价体系，丰富了评价数据。与“星海娃”评价体系相配套，苏州工业园区星海小学还创新出“四叶草”小公民实践中心等多元评价支撑系统，并着手开发“星海师生成长档案在线跟踪平台”，该平台全面支持绿色评价体系，以开放共享的“云”资源平台的无缝对接，消除学校、家庭及社会间的信息孤岛，以电脑、手机、电视、平板等多终端实现了教师、学生、家长的轻松上传与访问，从而有力地促进了绿色评价研究资源的优化配置。[5]281-282苏州工业园区星海小学项目建设试点的初步探索说明，数据实证让教研更加准确，更为科学，“用证据支撑评价，用项目推进教研”成了校本教研的一条可行之路。

⑤ 大数据时代对化学学科有哪些影响

大数据时代对化学学科有哪些影响
随着移动互联网技术、物联网、云计算等信息技术的发展,遍布地球各个角落的各种各样的传感器的广泛分布,使数据的产生速度呈现出前所未有地加快

⑥ 利用大数据教师在课前可以做什么

利用大数据教师在课前可以精准定位教学目标和重难点；采集学生预习数据；进行学情分析。

教育大数据的本质是对教竖兆师教学过程中产生的信息进行的数据量化，它的产生让教学从量的扩张转到质的变革。在传统教学时代，教师教学决策通常依据理论指导的演绎法和经验总结的归纳法。

根据教学过程的不同阶段，教学决策可分为教学前的计划决策、教学中的互动决策、教学后的评价决策。教师依据学情，对课前、课中及课后依据技术手段搜集到的数据信息进行研判和加工并决定接下来的教学决策，在此基础上引导学生行为。

在教育大数据的驱动下，对不同阶段采集到的数据信息进行分析研究可以探究教师教学的过程，实现课堂教学与教育大数据的融合，让教师在课堂教学中的决策具有科学性和有效性。

⑦ 大数据分析技术应用领域有哪些啊，生活中有用吗

应该有用的吧

⑧ 大数据时代对化学学科有哪些影响

师附贵州省贵阳市 1用住校.六设备先进 2校内教师搭配错所位置要求住校：金阳：师9路

⑨ 大数据攻略案例分析及结论

大数据攻略案例分析及结论

我们将迎来一个“大数据时代”。与变化相始终的中国企业，距离这场革命还有多远？而追上领先者又需要多快的步伐？

｛研究结论｝

■大数据营销的本质是一个影响消费者购物前心理路径的问题，而这在大数据时代前很难做到。

■对于传统企业而言，要打通线上与线下营销，实现新的商业模式，如O2O等，离不开大数据。

■虽然大数据应用往往集中于大数据营销，但对于一些企业，大数据的应用早已超越了营销范畴，全面进入了企业供应链、生产、物流、库存、网站和店内运营等各个环节。

■对于大部分企业，由于数据分析人员与业务人员之间的彼此视角与思考方向不同，大数据分析和运营之间存在脱节情况，这是大数据无法用于企业运营最大的阻力

■对于大多数互联网公司来说，大数据量、大用户量是一个相互促进，强者越强的循环过程。

■对于大型互联网平台，大数据已经成为其生态循环中的血液，对于这些企业，最重要

的不是如何利用大数据改进自身运营，而是利用大数据更好地繁荣平台生态。

■对于平台企业，它们的大数据策略正逐渐从大数据运营，向运营大数据转变，前者和

后者的差别在于，前者只是运营改进的动力，而后者则成为企业实现未来战略的核心资源。

我们都已被反复告知：我们将迎来一个“大数据时代”。

大数据应用，将和云计算、3D打印这些技术变革一样，颠覆既有规则，并成为先行企业的制胜关键。

与变化相始终的中国企业，距离这场革命还有多远？而追上领先者又需要多快的步伐？

来自于互联网、移动互联网、物联网传感器、视频采集系统的数据正海量增长，汇成大数据的海洋，相伴的是海量数据存储、分析技术的突破性发展，所有这一切都给企业的应用带来了无限可能性。

中国企业家研究院对当前中国企业大数据应用的状况进行了归纳分类，以帮助企业了解实际应用大数据时的困局难点，并提供领先企业的典型案例以资借鉴。

表1

表2

大数据运营—企业提升效率的助推力

对于大多数企业而言，运营领域的应用是大数据最核心的应用，之前企业主要使用来自生产经营中的各种报表数据，但随着大数据时代的到来，来自于互联网、物联网、各种传感器的海量辩笑亏数据扑面而至。于是，一些企业开始挖掘和利用这些数据，来推动运营效率的提升。大数据运营应用中，大数据的应用分为三类：用于企业外部营销、用于内部运营，以及用于领导层决策。

一、大数据营销

大数据营销的本质是影响目标消费者购物前的心理路径，它主要应用在三个方面：1、大数据渠道优化，2、精准营销信息推送，3、线上与线下营销的连接。在消费者购物前，通过各种方式，直接介入其信息收集和决策过程。而这种介入，是建立在对于线上与线下海量用户数据分析的基础之上。相比传统狂轰滥炸或等客上门的营销，大数据营销无论在主动性和精准性方面，都有非常大的优势。它是目前主要的大数据应用领域。

大数据营销不仅仅是用大数据找出目标顾客，向其发布促销信息，它还可以做到：

实现渠道优化。根据用户的互联网痕迹进行渠道营销效果优化，就是根据互联网上顾客的行为轨迹来找出哪个营销渠道的顾客来源最多，哪个来源顾客实际购买量最多，是否是目标顾客等等，从而调整营销资源在各个渠道的投放。例如东风日产，它利用对顾客来源的追踪，来改进营销资源在各个网络渠道如门户网站、搜索和微博的投放。

精准营销信息携神推送。精准建立在对海量消费者的行为分析基础之上，消费者网络浏览、搜索行为被网络留下，线下的购买和查看等行为可以被门店的POS机和视频监控记录，再加上他们在购买和注册过程中留下的身份信息，在商家面前，正逐渐呈现出消费者信息的海洋。

一些企业通过收集海量的消费者信息，然后利用大数据建模技术，按消费者属升猛性（如所在地区、性别）和兴趣、购买行为等维度，挖掘目标消费者，然后进行分类，再根据这些，对个体消费者进行营销信息推送。比如孕妇装品牌十月妈咪通过对自己微博上粉丝评论的大数据分析，找出评论有“喜爱”相关关键词的粉丝，然后打上标签，对其进行营销信息推送。京东商城副总经理李曦表示：“用大数据找出不同细分的顾客需求群，然后进行相应的营销，是京东目前在做的事情。”小也化妆品将自身网站作为收集消费者信息的雷达，对不同消费者推荐相应的肌肤解决方案，创始人肖尚略希望在未来，大数据营销能替代网站的作用，真正成为面向顾客的前端。

打通线上线下营销。一些企业将互联网上海量消费者的行为痕迹数据与线下购买数据打通，实现了线上与线下营销的协同。比如东风日产，线上与线下的协同营销方式为：其门户网站带来订单线索，而通过这些线索，服务人员进行电话回访，从而推动顾客在线下交易。在此过程中，东风日产记录了消费者进入、浏览、点击、注册、电话回访和购买各个环节的数据，实现了一个横跨线上线下，以大数据分析为支持的，营销效果不断优化的闭环营销通路。而国双科技，衡量某一地区线下促销活动的效果，就是看互联网上，来自这个地区对于促销内容的搜索量。一些企业，通过鼓励线下顾客使用微信和Wi-Fi等可追踪消费者行为和喜好的设备，来打通线上与线下数据流，银泰百货计划铺设Wi-Fi，鼓励顾客在商场内使用，然后根据Wi-Fi账号，找出这个顾客，再通过与其它大数据挖掘公司合作，以大数据的手段，发掘这个顾客在互联网的历史痕迹，来了解这个顾客的需求类型。

二、大数据用于内部运营

相比大数据营销，大数据在内部运营中的应用更深入，对于企业内部的信息化水平，以及数据采集和分析能力的要求更高。本质上，是将企业外部海量消费者数据与企业内部海量运营数据联系起来，在分析中得到新的洞察，提升运营效率。（详见P96表5：大数据在内部运营中的应用）

表5

三、大数据用于决策

在大数据时代，企业面对众多新的数据源和海量数据，能否基于对这些数据的洞察，进行决策，进而将其变成一项企业竞争优势的来源？同大数据营销和大数据内部运营相比，运用大数据决策难度最高，因为它需要一种依赖数据的思维习惯。

已有少数企业开始尝试。比如国内一些金融机构在推出一个金融产品时，会广泛分析该金融产品的应用情况和效果、目标顾客群数据、各种交易数据和定价数据等，然后决定是否推出某个金融产品。

但是，中国企业家研究院在调研中发现，目前中国企业当中，大数据决策的应用非常之少，许多企业领导者进行决策时，仍习惯于凭借历史经验和直觉。

大数据产品——企业利润滋长的新源泉

大数据除了用于运营外，还能够与企业产品结合，成为企业产品背后竞争力的核心支持或者直接成为产品。提供大数据产品的企业分为两类，直接提供大数据产品的企业，以及将大数据作为产品和服务核心支撑的企业。前者主要为大数据产业链中提供数据服务的参与者，包括数据拥有者、存储企业，挖掘企业、分析企业等，后者则主要是那些以大数据为产品核心支撑的企业，它们大多是互联网企业，其产品和服务先天就有大数据基因，这些企业包括搜索引擎、在线杀毒、互联网广告交易平台以及众多植根于移动互联网之上，为用户提供生活和资讯服务的APP等。

表3

表4

一、大数据作为产品核心支持

它们主要在以下几方面使用大数据：

1、提供信息服务。很多互联网企业通过对海量互联网信息和线下信息的整合和分析，为个人和企业提供信息服务，典型的如网络、去哪儿、一淘、高德地图、春雨医生等等。在美国，一些互联网企业甚至根据大数据提供更深度的预测信息服务，美国科技创新公司farecast，通过分析特定航线机票的价格，帮助消费者预测机票价格走势。

2、分析用户的个性化需求，借此提供个性化产品和服务，或者实现更精准的广告。典型的有移动社交工具陌陌、网络、腾讯、广告交易平台品友互动以及一些互联网游戏商。这种应用往往先是收集海量用户的互联网行为数据，将用户分类，根据不同类型的用户，提供个性化的产品，或者提供个性化的促销信息。比如网易等门户网站推出了订阅模式，让使用者按照个人喜好方便地定制和整合不同来源的信息。

3、增强产品功能。对于很多互联网产品，如杀毒软件、搜索引擎等等，海量数据的处理能够让产品变得更聪明更强大，如果没有大数据，产品的功能就大大减弱。比如奇虎360公司的360杀毒软件，凭借每天海量的杀毒处理，建立了庞大的病毒库，这使它能够更快地发现病毒，而一些小的杀毒软件公司则无法做到这一点。

4、掌控信用状况，提供信贷服务。阿里巴巴上汇集了海量中小企业的日常资金与货品往来，通过对这些往来数据的汇总与分析，阿里巴巴能发现单个企业的资金流与收入情况，分析其信用，找出异常情况与可能发生的欺诈行为，控制信贷风险。

5、实现智能匹配。婚恋网站、交易平台等，利用大数据可以进行精准而高效的配对服务。网易花田会挖掘用户行为数据，比如点击哪些异性的页面，发表什么样的评论，建立用户兴趣模型，从而挖掘到用户所期待另一半的类型，然后主动推荐与对方匹配度比较高的人选。2010年，阿里巴巴尝试性地推出“轻骑兵”服务，由阿里巴巴将中国各产业集群地的供应商与海外买家的个性采购需求进行快速匹配，所凭借的，就是对供应商的海量交易数据信息的整合与挖掘。

二、大数据直接作为产品

对一些企业，大数据直接成为了产品，这些产品包括海量数据、分析、存储与挖掘的服务等，目前大数据产业链正在形成过程中，出现了一批开放、出售、授权大数据和提供大数据分析、挖掘的公司和机构，前者主要是一些拥有海量数据的公司，将数据服务作为新的盈利来源。如大型的互联网平台、民航、电信运营商、一些拥有大数据的政府机构等等，后者主要包括一些能够存储海量数据或者将海量数据与业务场景结合，进行分析和挖掘，或者提供相关产品的公司，如IBM、SAP、拓而思、天睿公司。它们为大数据应用者们提供海量数据存储、数据挖掘、图像视频、智能分析等服务以及相关系统产品。

大数据平台——企业群落繁荣的滋养剂

而网络已建成了包括网络指数、司南、风云榜、数据研究中心和网络统计在内的五大数据体系平台，帮助其营销平台上的企业了解消费者行为、兴趣变化，以及行业发展状况、市场动态和趋势、竞争对手动向等信息。

为解决这些问题，各个平台在积极地努力。比如阿里巴巴建立了数据委员会，在统一数据格式标准、从源头上保证数据的质量，采集和加工出精细化的数据，确保其能符合平台企业的应用场景等方面，不遗余力地尝试。尤其在大数据精细化方面，阿里巴巴更是作为其大数据战略的重点。这方面，腾讯目前也在加快步伐。比如新版腾讯网出现了“一键登录”的提示，用户可以在上面通过一些细分标签，订阅自己关注的内容。实际上，这也是腾讯收集更精细化的用户兴趣数据的一个有效手段。

Tips

大数据实战手册

将大数据应用于内部运营中时，企业会遇到一些常见问题

1企业如何获取与分析数据？

互联网是大数据的一个主要来源，一些线下的传统企业很难获得。但它们可以：

a和拥有或能抓取海量数据的平台、企业以及政府机构合作。比如淘宝上的电商就购买淘宝收集的海量数据中与自身运营相关的部分，用于自身业务。再如卡夫通过与IBM合作，在博客、论坛和讨论版的内容中抓取了47.9万条关于自己产品的讨论信息，通过大数据分析出消费者对卡夫食品的喜爱程度和消费方式。

b建立自己在互联网上的平台，比如朝阳大悦城利用自己的微信、微博等平台收集消费者评论数据。

c许多传统企业没有分析海量数据的能力，此时它们可以和大数据分析和挖掘公司合作，目前市场上已经有天睿公司、IBM、百分点、华胜天成等一批提供大数据分析和挖掘服务的公司，它们是传统企业进行大数据分析可以借助的力量。

2如何避免大数据应用时的部门分割？

对于许多企业，其信息流被各部门彼此分割，数据难以互通，对于这种情况下，大数据的共享和汇集就只是一个泡影，更难以实现大数据的深度应用。

要打通部门之间信息分割的局面，首先要建立统一的、集中的数据系统。就像立白信息与知识总监王永红所说的，“要真正用好大数据，企业要采用大集中的信息系统。”从更深入的角度来谈，企业信息流的部门分割，更在于企业部门之间的分割，比如有一些企业的营销按照渠道分割，导致对于顾客的大数据收集和分析效果大打折扣。

IBM智慧商务技术总监杨旭青认为，“很多时候由于组织结构问题，大数据分析有效性大大降低了。”这就需要组织与流程层面的重新设计，在这方面，阿里巴巴的部门负责人轮岗制度，对于打破部门壁垒无疑是一剂好药。而一些企业为了打破部门分割，建立了矩阵型的组织结构，强化部门间的横向合作，这些无疑为大数据的汇集、共享与应用创造了良好条件。

3如何让业务人员重视大数据的应用？

解决这个问题，一方面在于一把手对整个企业数据文化的倡导，比如1号店董事长于刚就要求业务人员无论在开会，还是汇报工作时，都以数据说话，而马云更是将大数据提升到了战略高度。

另一方面，也在于数据部门的带动，阿里巴巴数据委员会负责人车品觉分享了经验，“因为运营部门的业务人员很难看到大数据的潜力，可以首先从一些对业务见效快，见效显著的数据项目出发，通过一两个项目的成功，调动对方的积极性，然后再逐步一个个地引导。”

4为何大数据工作与运营需求脱节？

这往往是由于数据人员与业务人员视角、专业知识不同而导致的。大数据人员做了很多努力，但是业务人员却认为这些努力无关痛痒。如何解决这个问题？

有的企业从组织设计上发力，将大数据纳入业务分析部门的管理之下，用业务统驭数据。对于朝阳大悦城，由主要负责战略和经营分析的部门来管理大数据工作，其中的大数据分析人员则作为支持人员。在负责人张岩看来，大数据要靠商业法则指导，关键是找到业务需求的点，然后由数据分析和挖掘人员实现。在具体操作中，大悦城对微信的数据挖掘，挖掘什么样的关键词，由业务分析人员确定，而具体挖掘则由数据部门做；有的企业从流程设计上着手，推动业务部门与数据部门人员之间的沟通，建立数据人员工作与效果挂钩的考核机制。

例如阿里巴巴根据数据挖掘的成效（比如带来的商品转化率的提升）来考核数据挖掘师，考核数据分析师则看其分析结果能否出现在经营负责人的报告中。从数据部门自身角度则需要降低运营部门使用数据的障碍和门槛，比如立白集团的数据人员会努力尝试向运营部门提供更易懂、更生动的图形化数据分析界面，在立白老板办公室上，就有一份“客户运营健康体检表”，让老板对全国经销商的当月销售情况一目了然。再如阿里巴巴开发的无线Bi，让经营人员在手机上也可以看到大数据分析结果，拿车品觉的话说，“以数据之氧气包围经营人员。”

⑩ 大数据在教育中应用领域有哪些

有针对教师管理信息化的。
一是建立教师管理信息化体系。以教师系统为支撑，逐步实现教师系统与相关教育管理服务平台的互通、衔接，建立健全覆盖各级教育行政部门、各级各类学校及广大教师的互联互通、安全可靠的教师管理信息化体系，为加快推进教师治理体系和治理能力现代化奠定坚实基础。

二是形成教师队伍大数据。依托教师系统，实现各级各类教师信息的“伴随式收集”，为每位教师建立电子档案，建立统一高效、互联互通、安全可靠的全国教师基础信息库。同时，高效采集、有效整合教师系统及相关教育管理服务平台生成的教师信息，形成教师队伍大数据。

三是优化教师工作决策。将教师队伍大数据作为教师工作决策的基础支撑和重要依据。对大数据进行多角度、多层面、多方位的关联分析、融合利用，评价教师队伍发展状况、找准教师队伍发展问题、研判教师队伍发展趋势、确定教师队伍发展重点，提升教师工作决策的科学性、针对性和有效性。

四是提升教师队伍治理水平。积极推进教师系统及相关教育管理服务平台与教师工作的深度融合，逐步推进教师管理方式重构、教师管理流程再造，实现教师管理过程精细化、治理工作精准化，优化教师管理核心工作，不断提升教师管理服务水平。
有专门的文章，如果有需要，可以留下信箱。